Question

我的目标是编写一个解析器，该解析器将从给定的Wikipedia URL收集所有表数据。我一直在尝试使用pandas.read_html方法从示例维基百科页面收集所有表。不幸的是，它似乎没有从页面中收集所有表。这是我的代码：

inputurl = "https://en.wikipedia.org/wiki/France" dflist = pd.read_html(inputurl, attrs={"class": "wikitable"}) print("Number of parsed tables: ", len(dflist)) for parsedtable in dflist: print("Collected table:") print(parsedtable )

问题是仅返回2个表，而此页面中有4个以上的表。如何改善收集所有代码的代码？谢谢。

Answer 1

似乎您需要删除attrs：

inputurl = "https://en.wikipedia.org/wiki/France"
dflist = pd.read_html(inputurl)
print("Number of parsed tables: ", len(dflist))
Number of parsed tables:  40

检查页面的html代码后，有3个带有{{1}}的表，第三种需要指定两个类：

class='wikitable'

熊猫read_html不会从Wikipedia页面收集所有表

1 个答案: